Hadoop,HBase 配置 安裝 Snappy 終極教程

由於產品須要，這兩天研究了一下Hadoop Snappy。先不說什麼各個壓縮算法之間的性能對比，單是這個安裝過程，就很痛苦。網上有不少博友寫Hadoop Snappy安裝過程，大部分是照着Google的文檔翻譯了一遍，並無列舉出遇到的問題。有的博文，明明其驗證提示是錯誤的，還說若是輸出XXX，說明安裝成功了。費了老大的勁，終於安裝成功了，現將詳細步驟及遇到的問題，一一列出，只但願接下來須要研究及安裝的朋友，看到這篇博文，可以一鼓作氣！本篇文章主要包括：

1. Snappy 壓縮算法介紹及集中壓縮算法比較

2. Snappy 安裝過程及驗證

3. Hadoop Snappy 源碼編譯過程及問題解決方案

4. Hadoop上Hadoop Snappy 安裝配置過程及驗證

5. HBase 配置Snappy及驗證

6.如何在集羣中全部節點部署

廢話很少說，如今開始：

1. Snappy 壓縮算法介紹及幾種壓縮算法比較

這一部分能夠參考個人上一篇博文：Hadoop壓縮-SNAPPY算法，或者直接參看Google文檔：http://code.google.com/p/snappy/ 及 http://code.google.com/p/hadoop-snappy/。個人Hadoop壓縮-SNAPPY算法這篇博文中，不只簡介了Google Snappy，還介紹了常見三種壓縮庫的比較，Snappy的優勢和適用場合，這篇文章就再也不作重點詳細介紹。若是先看如何修改已有表的壓縮方式及實測結果，能夠參看HBase修改壓縮格式及Snappy壓縮實測分享。

2. Snappy 安裝過程及驗證

① 前置條件

gcc c++, autoconf, automake, libtool, Java 6, JAVA_HOME set, Maven 3

前五個若是不能肯定的話，能夠直接使用yum install XXX來確認一下，若是已安裝會提示，沒有安裝的話，會自動安裝上。

② 下載Snappy 1.0.5

下載地址：http://code.google.com/p/snappy/downloads/list。

③ 編譯並安裝動態連接庫到本地

./configure
make
make install

默認是安裝到了/usr/local/lib。這時在此目錄下查看會生成：

[root@slave1 lib]# pwd
/usr/local/lib
[root@slave1 lib]# ll
total 536
-rw-r--r--. 1 root root 369308 Jan 14 11:02 libsnappy.a
-rwxr-xr-x. 1 root root    957 Jan 14 11:02 libsnappy.la
lrwxrwxrwx. 1 root root     18 Jan 14 11:02 libsnappy.so -> libsnappy.so.1.1.3
lrwxrwxrwx. 1 root root     18 Jan 14 11:02 libsnappy.so.1 -> libsnappy.so.1.1.3
-rwxr-xr-x. 1 root root 171796 Jan 14 11:02 libsnappy.so.1.1.3
[root@slave1 lib]#

若是沒有錯誤且文件及連接一致，snappy的安裝已經成功。

3. Hadoop Snappy 源碼編譯過程及問題解決方案

① 下載Hadoop-Snappy源碼

下載地址：http://code.google.com/p/hadoop-snappy/

② 編譯hadoop snappy源碼

mvn package [-Dsnappy.prefix=SNAPPY_INSTALLATION_DIR]

注：若是第二步snappy安裝路徑是默認的話，即/usr/local/lib，則此處 [-Dsnappy.prefix=SNAPPY_INSTALLATION_DIR] 能夠不寫，或者 -Dsnappy.prefix=/usr/local/lib

這個過程若是你的CentOS各個軟件的版本正好和Hadoop Snappy要求的一致的話，真的恭喜你，能夠一部成功，可是有些仍是會有問題。我遇到的三個比計較棘手的問題：

錯誤一：/root/modules/hadoop-snappy/maven/build-compilenative.xml:62: Execute failed: java.io.IOException: Cannot run program 「autoreconf」 (in directory 「/root/modules/hadoop-snappy/target/native-src」): java.io.IOException: error=2, No such file or directory

解決方案：說明缺乏文件，可是這個文件是在target下的，是編譯過程當中自動生成的，本來就不應存在，這是問什麼呢？其實根本問題不是缺文件，而是Hadoop Snappy是須要必定的前置條件的：Requirements: gcc c++, autoconf, automake, libtool, Java 6, JAVA_HOME set, Maven 3。

我這裏邊缺乏了autoconf，automake，libtool的緣故。在ubuntu中，你能夠直接依次apt-get install autoconf，automake，libtool便可，若是是在CentOS中，只需將apt-get 換成 yum。

錯誤二：

[exec] make: *** [src/org/apache/hadoop/io/compress/snappy/SnappyCompressor.lo] Error 1

[ERROR] Failed to execute goal org.apache.maven.plugins:maven-antrun-plugin:1.6:run (compile) on project hadoop-snappy: An Ant BuildException has occured: The following error occurred while executing this line:
[ERROR] /home/ngc/Char/snap/hadoop-snappy/hadoop-snappy-read-only/maven/build-compilenative.xml:75: exec returned: 2

解決方案：這個是最噁心的。Hadoop Snappy的前置條件須要安裝gcc，可是它的官方文檔僅僅列出了須要gcc，而沒有列出須要什麼版本的gcc。在Google中英文搜索了半天，刨來刨去，終於發現，有句話說Hadoop Snappy是須要gcc4.4的。而個人是gcc4.6.3。

[root@master modules]# gcc --version
gcc (GCC) 4.4.6 20120305 (Red Hat 4.4.6-4)
Copyright (C) 2010 Free Software Foundation, Inc.
This is free software; see the source for copying conditions.  There is NO
warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.

那麼咱們就要回退，如何回退：

1. apt-get install gcc-3.4

2. rm /usr/bin/gcc

3. ln -s /usr/bin/gcc-4.4 /usr/bin/gcc

以後，再gcc --version，你就會發現，gcc已經變成4.4.7了。

錯誤三：

[exec] /bin/bash ./libtool --tag=CC   --mode=link gcc -g -Wall -fPIC -O2 -m64 -g -O2 -version-info 0:1:0 -L/usr/local//lib -o libhadoopsnappy.la -rpath /usr/local/lib src/org/apache/hadoop/io/compress/snappy/SnappyCompressor.lo src/org/apache/hadoop/io/compress/snappy/SnappyDecompressor.lo  -ljvm -ldl 
     [exec] /usr/bin/ld: cannot find -ljvm
     [exec] collect2: ld returned 1 exit status
     [exec] make: *** [libhadoopsnappy.la] 錯誤 1
     [exec] libtool: link: gcc -shared  -fPIC -DPIC  src/org/apache/hadoop/io/compress/snappy/.libs/SnappyCompressor.o src/org/apache/hadoop/io/compress/snappy/.libs/SnappyDecompressor.o   -L/usr/local//lib -ljvm -ldl  -O2 -m64 -O2   -Wl,-soname -Wl,libhadoopsnappy.so.0 -o .libs/libhadoopsnappy.so.0.0.1

解決方案：若是你去搜，你會發現網上有不少 解決/usr/bin/ld: cannot find -lxxx 這樣的博客，可是這裏，我告訴你，他們的都不適用。由於這兒既不是缺什麼，也不是版本不對，是由於沒有把安裝jvm的libjvm.so symbolic link到usr/local/lib。若是你的系統時amd64，可到/root/bin/jdk1.6.0_37/jre/lib/amd64/server/察看libjvm.so link到的地方，這裏修改以下：

ln -s /root/bin/jdk1.6.0_37/jre/lib/amd64/server/libjvm.so /usr/local/lib/ 問題便可解決。

③ hadoop snappy源碼編譯成功之後，在target包下，會有以下文件：

[root@master snappy-hadoop]# cd target/
[root@master target]# ll
total 928
drwxr-xr-x. 2 root root   4096 Jan 13 19:42 antrun
drwxr-xr-x. 2 root root   4096 Jan 13 19:44 archive-tmp
drwxr-xr-x. 3 root root   4096 Jan 13 19:42 classes
-rw-r--r--. 1 root root    168 Jan 13 19:44 copynativelibs.sh
drwxr-xr-x. 4 root root   4096 Jan 13 19:42 generated-sources
-rw-r--r--. 1 root root  11526 Jan 13 19:44 hadoop-snappy-0.0.1-SNAPSHOT.jar
-rw-r--r--. 1 root root 337920 Jan 13 19:44 hadoop-snappy-0.0.1-SNAPSHOT-Linux-amd64-64.tar
drwxr-xr-x. 3 root root   4096 Jan 13 19:44 hadoop-snappy-0.0.1-SNAPSHOT-tar
-rw-r--r--. 1 root root 180661 Jan 13 19:44 hadoop-snappy-0.0.1-SNAPSHOT.tar.gz
drwxr-xr-x. 2 root root   4096 Jan 13 19:44 maven-archiver
drwxr-xr-x. 3 root root   4096 Jan 13 19:42 native-build
drwxr-xr-x. 7 root root   4096 Jan 13 19:42 native-src
drwxr-xr-x. 2 root root   4096 Jan 13 19:44 surefire-reports
drwxr-xr-x. 3 root root   4096 Jan 13 19:42 test-classes
-rw-r--r--. 1 root root 365937 Jan 13 19:44 test.txt.snappy
[root@master target]#

4. Hadoop上Hadoop Snappy 安裝配置過程及驗證

這個過程也比較繁雜，配置點比較多要仔細：

① 解壓第三步target下hadoop-snappy-0.0.1-SNAPSHOT.tar.gz，解壓後，複製lib文件

cp -r /root/modules/snappy-hadoop/target/hadoop-snappy-0.0.1-SNAPSHOT/lib/native/Linux-amd64-64/* $HADOOP_HOME/lib/native/Linux-amd64-64/

② 將第三步target下的hadoop-snappy-0.0.1-SNAPSHOT.jar複製到$HADOOP_HOME/lib 下。

③ 配置hadoop-env.sh，添加：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HADOOP_HOME/lib/native/Linux-amd64-64/:/usr/local/lib/

④ 配置mapred-site.xml，這個文件中，全部跟壓縮有關的配置選項有：

<property>
  <name>mapred.output.compress</name>
  <value>false</value>
  <description>Should the job outputs be compressed?
  </description>
</property>

<property>
  <name>mapred.output.compression.type</name>
  <value>RECORD</value>
  <description>If the job outputs are to compressed as SequenceFiles, how should
               they be compressed? Should be one of NONE, RECORD or BLOCK.
  </description>
</property>

<property>
  <name>mapred.output.compression.codec</name>
  <value>org.apache.hadoop.io.compress.DefaultCodec</value>
  <description>If the job outputs are compressed, how should they be compressed?
  </description>
</property>

<property>
  <name>mapred.compress.map.output</name>
  <value>false</value>
  <description>Should the outputs of the maps be compressed before being
               sent across the network. Uses SequenceFile compression.
  </description>
</property>

<property>
  <name>mapred.map.output.compression.codec</name>
  <value>org.apache.hadoop.io.compress.DefaultCodec</value>
  <description>If the map outputs are compressed, how should they be 
               compressed?
  </description>
</property>

根據本身的須要，配置進去便可。咱們爲了驗證方便，僅配置map部分：

<property>
        <name>mapred.compress.map.output</name> 
        <value>true</value>
        </property>
        <property>
        <name>mapred.map.output.compression.codec</name> 
        <value>org.apache.hadoop.io.compress.SnappyCodec</value>
</property>

⑤ 從新啓動hadoop。爲了驗證是否成功，往hdfs上傳一個文本文件，敲入一些詞組，運行wordcount程序。若是map部分100%完成，即說明咱們hadoop snappy安裝成功。

由於hadoop沒有像HBase同樣提供util.CompressionTest類(或者是我沒有找到)，因此只能按照這種方法來測試。接下來，將詳細列出HBase使用Snappy的配置過程。

5. HBase 配置Snappy及驗證

在Hadoop上配置Snappy成功之後，相對來講，在HBase上配置要簡單一些了。

① 配置HBase lib/native/Linux-amd64-64/ 中的lib文件。HBase中的lib文件，即須要第三步中/root/modules/snappy-hadoop/target/hadoop-snappy-0.0.1-SNAPSHOT/lib/native/Linux-amd64-64/ 下的全部lib文件，也須要Hadoop中，$HADOOP_HOME/lib/native/Linux-amd64-64/下的hadoop的lib文件(我看到的大部分介紹snappy的文章，均爲提到這一點)。簡單起見，咱們只須要將$HADOOP_HOME/lib/native/Linux-amd64-64/下lib文件，所有複製到相應HBase目錄下：

cp -r $HADOOP_HOME/lib/native/Linux-amd64-64/* $HBASE_HOME/lib/native/Linux-amd64-64/

② 配置HBase環境變量hbase-env.sh

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HADOOP_HOME/lib/native/Linux-amd64-64/:/usr/local/lib/
export HBASE_LIBRARY_PATH=$HBASE_LIBRARY_PATH:$HBASE_HOME/lib/native/Linux-amd64-64/:/usr/local/lib/

③ 重啓HBase。

④ 驗證安裝是否成功

首先，使用 CompressionTest 來查看snappy是否 enabled 而且能成功 loaded:

hbase org.apache.hadoop.hbase.util.CompressionTest hdfs://192.168.205.5:9000/output/part-r-00000 snappy

其中，/output/part-r-00000 爲咱們在驗證hadoop snappy的時候，wordcount的輸出。

執行命令後結果爲：

[root@master ~]# hbase org.apache.hadoop.hbase.util.CompressionTest hdfs://192.168.205.5:9000/output/part-r-00000 snappy
13/01/13 21:59:24 INFO util.ChecksumType: org.apache.hadoop.util.PureJavaCrc32 not available.
13/01/13 21:59:24 INFO util.ChecksumType: Checksum can use java.util.zip.CRC32
13/01/13 21:59:24 INFO util.ChecksumType: org.apache.hadoop.util.PureJavaCrc32C not available. 
13/01/13 21:59:24 DEBUG util.FSUtils: Creating file:hdfs://192.168.205.5:9000/output/part-r-00000with permission:rwxrwxrwx
13/01/13 21:59:24 WARN snappy.LoadSnappy: Snappy native library is available
13/01/13 21:59:24 INFO util.NativeCodeLoader: Loaded the native-hadoop library
13/01/13 21:59:24 INFO snappy.LoadSnappy: Snappy native library loaded
13/01/13 21:59:24 INFO compress.CodecPool: Got brand-new compressor
13/01/13 21:59:24 DEBUG hfile.HFileWriterV2: Initialized with CacheConfig:disabled
13/01/13 21:59:24 INFO compress.CodecPool: Got brand-new decompressor
SUCCESS

說明Snappy 安裝已經enable而且可以成功loaded。

⑤ 接下來建立並操做Snappy壓縮格式的表

[root@master ~]# hbase shell
HBase Shell; enter 'help<RETURN>' for list of supported commands.
Type "exit<RETURN>" to leave the HBase Shell
Version 0.94.2, r1395367, Sun Oct  7 19:11:01 UTC 2012
//建立表
hbase(main):001:0> create 'tsnappy', { NAME => 'f', COMPRESSION => 'snappy'}
0 row(s) in 10.6590 seconds
//describe表
hbase(main):002:0> describe 'tsnappy'
DESCRIPTION                                                                                                        ENABLED                                                       
 {NAME => 'tsnappy', FAMILIES => [{NAME => 'f', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'NONE', REPLICATION_ true                                                          
 SCOPE => '0', VERSIONS => '3', COMPRESSION => 'SNAPPY', MIN_VERSIONS => '0', TTL => '2147483647', KEEP_DELETED_CE                                                               
 LLS => 'false', BLOCKSIZE => '65536', IN_MEMORY => 'false', ENCODE_ON_DISK => 'true', BLOCKCACHE => 'true'}]}                                                                   
1 row(s) in 0.2140 seconds
//put數據
hbase(main):003:0> put 'tsnappy', 'row1', 'f:col1', 'value'
0 row(s) in 0.5190 seconds
//scan數據
hbase(main):004:0> scan 'tsnappy'
ROW                                           COLUMN+CELL                                                                                                                        
 row1                                         column=f:col1, timestamp=1358143780950, value=value                                                                                
1 row(s) in 0.0860 seconds

hbase(main):005:0>

以上全部過程均成功執行，說明Snappy 在Hadoop及HBase上配置成功~

6.如何在集羣中全部節點部署

這一步就很是簡單了，尤爲是若是你配置過Hadoop集羣。僅須要將咱們上邊全部配置過的文件，分發到全部其餘節點的相應目錄便可，包括生成的/usr/lib/local下的snappy連接庫。

 補充：後來在真正的部署到HBase集羣后，將表的COMPRESSION設置爲SNAPPY後，向該表寫數據是，出現異常：

Exception in thread "main" java.lang.NoClassDefFoundError: com/google/common/base/Preconditions

緣由：Snappy是Google的開源壓縮庫，對Google的Guava Library有依賴，咱們須要去下載相應JAR包及依賴文件，將下載的文件放到集羣全部節點的相應lib下就能夠了。